共查询到20条相似文献，搜索用时 703 毫秒
1.
2.
为对农用地(耕地)遥感影像中道路和农田信息进行精确高效的提取，采用卷积神经网络(CNN)的方法，以河北省献县某乡冬小麦种植田为研究区，建立“道路-背景”和“农田-背景”2个高精度遥感影像数据集，构建基于MobileNet v1的U-Net、SegNet、PSPNet、DeepLab v3+和基于MobileNet v2的DeepLab v3+共5种CNN语义分割模型，进行道路和农田提取试验；在模型训练前后加入迁移学习、图像拼接和模型融合3种策略。结果表明:1)在2个数据集上，基于MobileNet v1的U-Net和基于MobileNet v1的SegNet 2种模型的识别率和稳定性最佳；2)在提取道路和农田时，融合后模型的平均交并比值分别为0.853 3和0.956 8；3)对预测图进行后处理，可以为路径规划和作物秸秆产量计算等研究提供道路拓扑图和农田预测图。 相似文献
3.
针对有背景干扰的番茄病理叶片,将k-means分割与迁移学习相结合,提出一种基于k-means分割和迁移学习的方法对番茄病害叶片进行识别.首先对原始图像进行一系列预处理,再将处理后的图像进行k-means分割,得到叶片边缘的最小矩阵图像,之后进行去噪处理,简化突出图像特征,再根据预处理后的图像特点,优化改进迁移的VGG16网络结构,构建CNN模型对预处理后图像进行识别.结果显示,通过分割后训练方式平均精度提升了0.37百分点,通过冻结迁移的VGG16网络第1个卷积模块并修改全连接层的方法提升了5.4％左右.因此本研究认为通过分割、冻结VGG16第1个卷积层模块的参数并修改全连接层可以提升番茄病理识别率. 相似文献
4.
准确提取耕地信息对农业资源调查、遥感估产以及灾害监测等具有重要意义,从遥感图像中提取耕地的信息属于图像识别和分类的问题,目前深度学习是非常适合的方法。以语义图像分割(Deeplab)模型为基础,选择耕地为提取目标,建立了一种从高分2号遥感影像上提取耕地信息的方法耕地提取语义图像分割(ECLDeeplab)。首先分析了耕地在高分2号遥感影像上的表现特点;其次依据耕地的具体特点对Deeplab的结构进行调整,形成了能够提取耕地的网络结构;最后用训练成功的网络进行提取耕地,得到精度较高的分割结果。应用方法对山东省肥城市的2016年12月至2017年3月的10幅影像进行了试验,试验结果表明,该方法获取的耕地精度为88.3%,提取耕地信息得到了较好的结果。 相似文献
5.
针对传统全卷积神经网络无法实现高分影像耕地精确提取的问题，以高分二号遥感卫星影像为数据源，采用融合残差结构和多种注意力机制的改进U-Net网络模型（RMAU-Net网络模型）对研究区的耕地进行精细提取。使用耕地样本对RMAU-Net网络模型进行训练，并用训练后的网络模型对测试集影像中的耕地进行提取。为了验证RMAU-Net网络模型提取耕地的效果，选取DeeplabV3+、PSPNet、UNet 3种传统的全卷积神经网络模型与RMAU-Net网络模型进行对比分析。结果表明，RMAU-Net网络模型提取的精确率、召回率、交并比、F1 Score分别为90.36%、90.78%、82.57%、90.57%。与DeepLabv3+、PSPNet和U-Net网络模型相比，RMAU-Net网络模型效果最佳。RMAU-Net网络模型为耕地精细提取提供了新的思路与方法，为农作物面积监测和产量估算等实际应用提供基础数据支持。 相似文献
6.
为利用遥感手段快速、精准提取宁夏贺兰山东麓酿酒葡萄种植信息,提出了一种基于深度迁移学习的酿酒葡萄种植信息提取方法。该方法以全卷积神经网络(Fully convolutional networks,FCN)为基础,利用高分二号卫星遥感资料,以地面采集样本数据进行网络模型训练,利用迁移学习方法将训练好的网络模型迁移到FCN网络模型中,对其进行初始化,避免过拟合问题的发生,其网络训练验证集准确率高达88.16%,较传统的基于深度学习方法准确率提高7.17个百分点。结果表明,基于深度迁移学习的贺兰山东麓酿酒葡萄种植信息提取检测准确率可达91.93%,检测召回率达到91.15%。 相似文献
7.
依托于云南省昆明市寻甸县某地土地整治项目,利用高分辨率遥感数据与第二次全国土地调查数据相结合的方法为土地整治项目可行性研究阶段进行了应用研究。通过遥感影像对二调数据进行更新,获取符合项目区实际情况的基础数据,对比分析二调数据与经影像更新后数据,分析土地利用现状及限制性因素,深挖土地整治的潜力;且在可研阶段有效控制建设规模,避免可研阶段和规划设计阶段出现较大调整。通过高分辨率遥感影像对项目区耕地图斑进行分割并引入景观格局指标,分析发现,项目区耕地细碎化程度严重,且耕地分割成地块产生的非有效耕地面积较大,造成了耕地资源的浪费,降低了耕地的利用率、产出率,严重制约着农业现代化发展。结果表明,将高分辨率遥感影像应用于土地整治项目可行性研究阶段,能够为分析结果的准确性提供现实性较强的基础数据保障,从而为土地整治项目的可行性提供切实可靠的依据。 相似文献
8.
城市建成区是一类具有大面积的组合型目标群体,该区域地物丰富,光谱特征复杂多变,且具有大量的同物异谱与地物像素单元交错等现象,影像分类难度显著增加。针对图像级联网络（image cascade network,ICNet）计算复杂、分类精度低的问题,采用优化的ICNet对高分辨率遥感影像城市建城区地物分类进行研究,通过添加高效通道注意力机制（efficient channel attention,ECA）和联合金字塔上采样模块（joint pyramid upsampling,JPU）替换空洞卷积来获得ICNet改进网络,采用总体分类精度（overallaccuracy,OA）、Kappa系数与F13个指标对分类结果进行精度评估,并与随机森林（random forest,RF）、ENet和ICNet3种方法进行对比分析。结果表明,优化的ICNet网络模型能够更准确的进行地物分类,总体分类精度为75.12%,相较于其他分类方法分别提高16.56%、10.48%和4.81%。后用开源数据集进一步验证了优化模型的有效性,说明优化的ICNet网络可用于城市建成区的分类研究。 相似文献
9.
本文根据RS、GIS和GPS原理和方法,以Quick Bird遥感数据为数据源对呼和浩特市满都海公园和青城公园的园林景观信息提取.采用TiTan遥感图像处理软件进行遥感数据预处理,并利用面向对象分类方法先对影像进行多尺度分割,再选择合适的特征参数,通过多次试验建立影像对象的隶属度函数,实现了对研究区的景观分类,在此基础上进行景观对比分析.研究结果显示:利用面向对象分类方法可以快速方便地实现对研究区的遥感影像景观信息提取,精度为85％,为高分辨率遥感影像的信息提取提供了更为快速、有效的技术途径. 相似文献
10.
高分辨率无人机遥感影像单木树冠参数信息提取方法是森林资源精准监测和生态功能评估的重要基础，而自然光照条件下粘连和遮挡单木树冠的准确分割是直接决定单木树冠信息提取精度的关键。针对自然光照条件下山地森林无人机遥感影像中单木树冠相互粘连、遮挡难以分割，以及传统算法泛化能力弱等问题。本研究结合深度学习和标记控制分水岭算法的优点，提出了一种基于U-Net和标记控制分水岭（marker-controlled watershed,MCW）算法（简称U-Net+MCW算法）的山地森林单木树冠提取方法。以新疆山地森林优势树种天山云杉(Picea schrenkiana var.tianschanica)为研究对象，在南山实习林场采集积雪背景下无人机遥感影像作为试验数据，构建了基于深度神经网络U-Net和标记控制分水岭算法的单木树冠提取模型。首先，从无人机遥感影像中选取1 000张训练样本，128张测试样本，并对样本进行标注，通过数据增强将1 000张训练样本扩增为16 000张，按照4∶1分为训练集和验证集，对U-Net模型进行训练，在训练过程中赋予2个或多个树冠间的相邻边界像素较大权重。然后，利用训练好的U-Net模型对测试集样本进行单木树冠提取。最后，在深度神经网络U-Net单木树冠提取的基础上，采用MCW算法对提取结果进行优化，并对单木树冠提取效果进行精度评估。结果表明，U-Net+MCW算法对于单木尺度的F测度为74.04%，比单一使用U-Net模型提高了28.52%，以该方法提取遥感影像中的天山云杉树冠信息为基础，计算其单木树冠面积和冠幅的精度分别为81.05%和89.94%。因此，U-Net+MCW算法能够有效解决自然光照条件下，由于原始图像背景复杂且树冠内部亮度变化不均匀和树冠间粘连、遮挡等因素，导致的单个树冠内、树冠聚集处或连接重叠区域出现的树冠错分割、过分割、合并等问题，是一种低成本、高效率的单木树冠提取方法，能够满足中小尺度山地森林资源调查和监测要求。 相似文献
11.
随着设施农业的不断发展，快速准确获取农业大棚的空间分布和种植面积有助于农业经济增长模式调整，实现农业资源的高效利用。以2017年5月的GF-2遥感影像 为数据源，在构建最优特征空间的基础上，采用面向对象随机森林分类方法开展南方丘陵地区葡萄大棚信息提取。结果表明：①利用尺度评价工具ESP和邻域差分绝对值与标准差比RMAS结合的方法可以实现特定地物目标的最优分割尺度选择，分割效果良好；②通过Gini指数进行特征选择能减少数据冗余，提高分类精度，在优选的15个特征变量中，光谱特征占有绝对优势，其次是纹理特征和几何特征；③基于最优特征子空间的随机森林模型能有效提取葡萄大棚的分布信息，总体精度高达92.5%，F值为0.91，其面向对象的精度评价指数GTC为0.12。 结果表明，该方法对基于GF-2影像的南方丘陵区域葡萄大棚信息提取具有较大的应用潜力，并可为其他地区的农业大棚信息提取提供较好的解决思路。 相似文献
12.
《现代农业科技》2017,(22)
针对遥感影像分割数据质量评价与参数优选问题,本文提出了一种基于顶点距离度量的评价指数,通过计算匹配分割对象顶点与参考多边形边界之间的位置关系及其距离度量评价影像分割结果。该方法可使所选最优分割数据集中的匹配分割对象与参考多边形之间保持较高的几何一致性,较大程度地减轻欠分割和过分割效应。通过对World View 2、Quick Bird和ALOS等3个高分辨率卫星影像中农田、水体、林地和建筑物等多种地物类型的试验分析,表明多数最优分割数据集中匹配分割对象与参考多边形间的面积重合度达到70%及以上。本研究可为遥感影像分割数据质量评价和参数优选提供一种有效方法。 相似文献
13.
马铃薯叶片的病害将直接导致马铃薯产量和质量的下降,为实现马铃薯叶片病害的精确检测并及时预防病变,提出了一种基于小样本学习的马铃薯叶片病害检测算法。首先,利用一组共享权重的特征提取器将输入图片映射到深度特征空间;然后,提出一种任务感知注意力模块用于融合小样本学习网络中的双分支输入特征,强化目标任务的特定表达能力;最后,引入一种动态卷积模块提高卷积核的建模能力,并将卷积块注意力机制(CBAM)嵌入到该卷积网络中,构造特征强化学习模块,细粒度地捕获病害区域的细节特征。通过在开源马铃薯叶片病害检测数据集上进行测试,所提出模型分别实现了93.92%的准确率、93.81%的精准率、93.85%的召回率和93.63%的F1值;此外,在自建数据集上与当前经典马铃薯叶片病害检测模型相比,同样具有较好的竞争力。 相似文献
14.
基于无人机可见光遥感影像的耕地精准分类方法研究 总被引：2，自引：0，他引：2
无人机可见光遥感具有使用成本低、操作简单、实时获取遥感影像、地面分辨率高等优势。提出了一种利用无人机可见光遥感影像进行耕地精准分类的方法,以广东省惠州市惠东县铁涌镇石桥村部分耕地的可见光遥感影像为研究对象,对耕地的面积信息、形状信息以及位置信息进行监测和提取,采用面向对象法对影像中两种基于可见光波段的植被指数、纹理信息、形状信息进行分析,研究出分类提取耕地信息的较佳方案。经过反复实验确定分割尺度45、合并尺度90为分割参数,同时利用波段信息和纹理信息对未种植作物耕地和其他地物进行分离。该方法总体精度为89.23%,Kappa系数为0.72。实验结果表明利用无人机可见光遥感数据对耕地进行分类虽然存在一些细碎地块被错提、误提的情况,但总体精度仍然保持在一个很高的水准,可以为耕地作物分类提供参考,为实现精准农业提供精准的数据基础。 相似文献
15.
基于自注意力卷积网络的遥感图像分类 总被引：1，自引：0，他引：1
16.
苹果叶片病害形态相似、斑点大小不同，依靠人工和农业专家识别的传统方式效率较低。为此提出一种基于改进残差网络的苹果病害识别模型REP-ResNet。该模型在基准模型ResNet-50的基础上通过采用批标准化、激活函数、卷积层的残差结构顺序，加入通道注意力机制和并行卷积的方式进行改进。训练过程中，将公开数据集PlantVillage预训练的模型权重参数迁移至上述网络模型中重新训练，达到加快网络的收敛速度和提高模型识别能力的目的。采用数据扩充的方式解决训练过程中样本不均的问题。结果表明，REP-ResNet模型与基准网络模型相比识别准确率提高2.41个百分点。模型使用迁移学习的方式进行训练，在复杂背景下的苹果叶片病害识别中准确率达到97.69%，与传统卷积神经网络相比识别效果有较大提高。 相似文献
17.
随着设施农业的不断发展,快速准确获取农业大棚的空间分布和种植面积有助于农业经济增长模式调整,实现农业资源的高效利用。以2017年5月的GF-2遥感影像 为数据源,在构建最优特征空间的基础上,采用面向对象随机森林分类方法开展南方丘陵地区葡萄大棚信息提取。结果表明：①利用尺度评价工具ESP和邻域差分绝对值与标准差比RMAS结合的方法可以实现特定地物目标的最优分割尺度选择,分割效果良好;②通过Gini指数进行特征选择能减少数据冗余,提高分类精度,在优选的15个特征变量中,光谱特征占有绝对优势,其次是纹理特征和几何特征;③基于最优特征子空间的随机森林模型能有效提取葡萄大棚的分布信息,总体精度高达92.5%,F值为0.91,其面向对象的精度评价指数GTC为0.12。 结果表明,该方法对基于GF-2影像的南方丘陵区域葡萄大棚信息提取具有较大的应用潜力,并可为其他地区的农业大棚信息提取提供较好的解决思路。 相似文献
18.
为了提高高分辨率遥感影像乡村居民地信息的精度和完整性,采用World ViewⅡ卫星遥感数据,在基于对象影像分析方法的支持下,开展基于本体建模的乡村居民地信息提取研究。首先提出高分辨率遥感影像乡村居民地认知框架,再获得乡村居民地模型的形式化表达,建立乡村居民地本体的概念化模型,最后根据本体模型提取乡村居民地信息。该结果具有良好的精度和完整性,说明基于本体建模提取乡村居民地信息的方法是可行的。 相似文献
19.
准确获取图书信息是智能化管理图书的关键，为实现在架图书书脊和书脊底部标签的精确分割，本研究在SparseInst基础上提出增强编码器实例分割模型EE-SparseInst。该模型使用特征选择对齐模块将特征图对齐并融合，以减少边界信息损失，使用边界解析模块增强相邻书脊边缘处的语义表示，提高掩码的分割质量。建立在架图书图像数据集，数据集包含2 253张图像和标注信息。结果表明，EE-SparseInst平均精确率达到80.81%,相较于CenterMask、SOLOv2、PolarMask和SparseInst 4种主流锚框自由式实例分割方法分别提高了7.57%、20.07%、10.50%、0.74%。 相似文献
20.
【目的】基于深度学习的分类方法是使用高分辨率遥感影像快速提取作物种植空间信息的新方法。【方法】以云南省陇川县甘蔗种植园为研究区,收集空间分辨率为0.5 m的Google Earth开放影像进行数据预处理,建立样本数据集,构建U-Net神经网络模型,训练模型参数;使用U-Net模型提取甘蔗种植空间信息,通过地面样方数据验证甘蔗提取精度。【结果】(1)基于深度学习方法的甘蔗分类总体精度和Kappa系数分别为92.76%和0.848 0,面积总精度为94.41%;平坝区、丘陵区分类精度存在差异,总精度和Kappa系数分别为97.10%、0.922 1和88.42%、0.767 3;(2)受部分地物RGB影像特征与甘蔗相似的影响,分类结果存在错分现象。【结论】基于U-Net神经网络模型的方法可用于高分辨率影像的甘蔗提取,更准确的分类精度还有待进一步研究和验证。 相似文献